在大数据分析培训中，我们清楚地知道大数据业务流程有4个基本环节，分别是业务理解、数据准备、数据挖掘、分析应用。
在这个流程里有三个智能领域。大数据系统研发，承担整个运营系统的构建与维护、数据准备、平台与工具开发;大数据挖掘，负责关键模型应用与研究工作;大数据分析应用：既是外部需求的接入者，也是解决方案的输出者，很多时候也会承担全盘统筹的角色。
1) 数据采集
支持使用传统ETL的方式从关系数据库(Oracle、DB2、SQL Server、MySQL、PostgreSQL)获取关系型数据，保存到分布式存储系统中。支持使用自主研发的适配器、组件从Excel、文本文件解析数据，保存到分布式存储，以及使用适配器采集视频、音频等。
支持从Kafka实时接收业务数据，保存到分布式存储系统中。
支持通过Flume实时获取日志数据包括从Linux console、RPC(Thrift-RPC)、文本文件、Unix tail、syslog日志系统获取日志数据，并保存到分布式数据库中。
2)分布式存储和访问
分布式存储系统用于将数据分散存储在多台独立的设备上，以避免传统的集中式存储导致系统性能、可靠性瓶颈的产生的问题，以满足大规模存储应用的需要。
支持采用HDFS(hadoop Distribution File System)、Hive、HBase作为分布式存储系统。这些Hadoop核心组件同时也提供了底层的访问接口，用于数据访问。
3)数据处理
可为每个作业分配独立的作业任务处理工作线程和任务执行队列，作业之间互不干扰 。分布式计算将该应用分解成许多小的部分，分配给多台计算机进行处理，以达到节约整体计算时间，大大提高计算效率的目的。
4)数据分享
支持以HTTP Restful接口方式、Web Service接口方式，以及JDBC/ODBC等方式分享数据。可采用批量输出、实时输出和高并发输出的形式，不同的输出形式可以使用不同的大数据组件来完成。
张老师：18927565259
